文献

J-GLOBAL ID：201802272611519571   整理番号：18A2232426

効率的な単一画像除去のための深い信念ネットワークによる結合ヘイズ関連特徴選択と伝送推定【JST・京大機械翻訳】

Joint Haze-relevant Features Selection and Transmission Estimation via Deep Belief Network for Efficient Single Image Dehazing

著者 (4件)： Ling Zhigang (College of Electrical and Information Engineering, Hunan University, Changsha, 410082, China) ,  Li Xiuxin (College of Electrical and Information Engineering, Hunan University, Changsha, 410082, China) ,  Zou Wen (College of Electrical and Information Engineering, Hunan University, Changsha, 410082, China) ,  Liu Min (College of Electrical and Information Engineering, Hunan University, Changsha, 410082, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 133-139  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Haze関連の画像特徴は,通常,ヘイズ画像が明瞭な画像から異なる特徴または特徴を持つので,単一画像デヘイジングのためのヘイズ密度知覚と伝送推定に広く使用されている。しかし,ヘイズ関連の特徴を同定するための注意はほとんど払われておらず,画像のデヘイジングに対するいくつかのコンパクトではあるが有益な画像特徴を選択する。本論文において,著者らは,画像デヘイズのために深い信念ネットワーク(DBN)を通して,JFSTEと呼ばれる新しい結合特徴選択と伝送推定モデルを提案した。最初に,DBNにおける1対1の線形特徴選択層を開発し,その中で,各入力特徴は,二値重みを有する次の層における一つのノードにのみ接続する。一方,特徴の重要性と期待される選択された特徴数を考慮することにより,これらの二値重みを決定するための簡単な特徴選択戦略を提案した。第二に,危険画像の危険関連特徴を同定し,それらの関連性を狭くするために,最小冗長性最大関連性を,著者らのネットワークの共同最適化に導入した。最先端の手法との比較研究により,提案した方法の競合性能を明らかにした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  最適化 ,  冗長性 ,  *画像 ,  *特徴選択 ,  画像特性 ,  線形性
準シソーラス用語： 最先端 ,  推定モデル ,  *ヘイズ ,  信念ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 信念ネットワーク ,  ヘイズ ,  特徴選択 ,  推定